●第1篇 推薦繫統的基礎知識
第1章 推薦繫統的前世今生
1.1 從信息匱乏到信息過載
1.2 從搜索到推薦
1.3 推薦繫統的應用場景
1.4 推薦繫統的基礎知識
1.4.1 什麼是推薦繫統
1.4.2 使用推薦繫統的目的
1.4.3 如何搭建一個推薦繫統
1.4.4 推薦繫統涉及的模型
1.5 推薦繫統的開發工具說明
第2章 推薦繫統的數學基礎
2.1 線性代數
2.1.1 向量
2.1.2 矩陣
2.1.3 範數
2.1.4 矩陣分解
2.2 微積分
2.2.1 函數
2.2.2 極限
2.2.3 導數
2.2.4 微分中值定理
2.2.5 泰勒展開式
2.2.6 梯度
2.2.7 最小二乘法
2.3 概率統計
2.3.1 概率
2.3.2 總體與個體
2.3.3 簡單隨機抽樣
2.3.4 統計量
2.3.5 描述性統計
第2篇 推薦模型的開發實踐
第3章 基於協同過濾的推薦
3.1 協同過濾算法簡介
3.1.1 基於用戶的協同過濾
3.1.2 基於項目的協同過濾
3.1.3 基於模型的協同過濾
3.2 基於協同過濾算法的實現
3.2.1 數據源說明
3.2.2 基於項目的協同過濾推薦實現
3.2.3 基於用戶的協同過濾推薦實現
……
第3篇 推薦繫統的冷啟動及效果評估
第4篇 項目實戰
《智能推薦繫統開發實戰》基於Python 3.7編寫,全書圍繞推薦模型的開發實踐,為讀者重點展示了各種不同類型的推薦模型開發過程及其在多種業務場景下的應用。 全書分為4篇,第1篇包含推薦繫統的前世今生及其涉及的基礎數學知識,簡單介紹了推薦繫統的發展過程及從事推薦模型研發所需要的數學知識;第2篇重點介紹不同類型的推薦算法在多種應用場景下的開發實踐,包括協同過濾、矩陣分解、Logistic回歸、決策樹、集成學習、因子分解與深度學習模型;第3篇介紹了推薦繫統的冷啟動問題及效果評估方法;第4篇通過行業真實案例,如廣告點擊率預測、金融產品精準營銷、電影推薦、音樂推薦、產品交叉銷售等,深入淺出、循序漸進地介紹了推薦模型開發的全過程。 《智能推薦繫統開發實戰》內容精練、案例豐富,實踐性極強,可快速學習並上手實踐,值得一讀,特別適合在企業中從事推薦模型開發、數據分析挖掘、機器學習研發等工作等